@InProceedings{MiguelSano:2019:UtImIN,
author = "Miguel, B{\'a}rbara Hass and Sano, Edson Eyji",
affiliation = "{Universidade de Bras{\'{\i}}lia (UnB)} and {Instituto
Brasileiro do Meio Ambiente e dos Recursos Naturais
Renov{\'a}veis (IBAMA)}",
title = "Utiliza{\c{c}}{\~a}o de imagens INSAR para
classifica{\c{c}}{\~a}o do uso e cobertura da terra no Distrito
Federal",
booktitle = "Anais...",
year = "2019",
editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco
and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
pages = "275--278",
organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
keywords = "Interferometria, coer{\^e}ncia, Sentinel- 1A, SAR, uso e
cobertura da terra, Interferometric, coherence, Sentinel-1A, SAR,
land cover.",
abstract = "Neste estudo, foi avaliado o potencial das imagens de radar do
sat{\'e}lite Sentinel-1A (banda C) para discriminar classes
representativas de uso e cobertura da terra do Distrito Federal.
Dois produtos single look complex (SLC) de junho e julho de 2018
foram convertidos para coeficientes de retroespalhamento e
coer{\^e}ncia interferom{\'e}trica. Foi gerada uma
composi{\c{c}}{\~a}o colorida RGB a partir de imagens de
coer{\^e}ncia, intensidade de retroespalhamento e raz{\~a}o de
retroespalhamento. Essas imagens foram classificadas pelo
m{\'e}todo supervisionado Support Vector Machine. A acur{\'a}cia
da classifica{\c{c}}{\~a}o foi verificada pelo coeficiente Kappa
(0,64) e pela exatid{\~a}o global (75,7%). A coer{\^e}ncia
mostrou-se eficiente na identifica{\c{c}}{\~a}o de corpos
d{\'a}gua e da {\'a}rea urbana. Os resultados foram
satisfat{\'o}rios para a classifica{\c{c}}{\~a}o de uso e
cobertura da terra do Distrito Federal, no entanto, houve
confus{\~a}o entre algumas classes e erros de comiss{\~a}o na
classe {\'a}rea urbana. Futuras pesquisas devem ser realizadas
com imagens do Sentinel-1A para contornar esses problemas.
ABSTRACT: In this study, the SAR images of Sentinel-1A satellite
(C band) were used to discriminate representative land cover and
land use classes of Federal District. Two single look complex
products (SLC) from June and July 2018 were converted to
backscatter coefficients and interferometric coherence. An RGB
color image was generated from images of coherence, backscattering
intensity and backscatter ratio. The images were classified by the
supervised method Support Vector Machine. The classification
accuracy was verified by Kappa index (0.64) and by global accuracy
(75.7%). The coherence was shown in the identification of water
bodies and the urban area. The results were satisfactory for the
classification, however, there was confusion between some classes
and commission errors in the urban class. Future searches should
be performed with Sentinel-1A images to work around these
issues.",
conference-location = "Santos",
conference-year = "14-17 abril 2019",
isbn = "978-85-17-00097-3",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGP6W34M/3UA4TC2",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3UA4TC2",
targetfile = "97912.pdf",
type = "Sensoriamento remoto de microondas",
urlaccessdate = "10 maio 2024"
}